LAPORAN UAS METODE INVERSI

Oleh :
Metode Inversi

Ahmad Wafi Irsyad 03411540000056

Ahmad Adhim S 03411640000006
Thufeil Amr Adausy 03411640000014
Adjeng Yalastri Atha N 03411640000038
Bagoes Idcha Mawardi 03411640000046
Satriaji Wahyu Widiantoro 03411640000070

DEPARTEMEN TEKNIK GEOFISIKA

FAKULTAS TEKNIK SIPIL LINGKUNGAN DAN KEBUMIAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2018/2019
1. Forward Modelling dan Inversi Linier 2D Gravity
Forward Modelling menyatakan suatu proses perhitungan data yang secara teoritis
akan teramati di permukaan bumi jika diketahui harga parameter model bawah permukaan
tertentu. Dalam proses pemodelan data ke depan ini, dilakukan proses coba-coba dengan
mengubah nilai parameter model sehingga terjadi kesesuaian antara respon model dengan data
lapangan. Dengan kata lain pemodelan ke depan tidak hanya mencakup perhitungan respon
model, melainkan juga proses coba-coba secara manual untuk memperoleh model yang
memberikan respon cocok terhadap data. Adapun skema pemodelan ke depan tentang
pernyataan diatas adalah sebagai berikut:

Parameter Forward Data

Model Modelling Perhitunga
n

Gambar 1.1 Forward Modelling untuk menghitung respon model

Paramete
r Model

Forward Modifika
Modellin si
g Paramete
No
Data Data
Perhitunga Fit? Lapangan
n
Yes

Model

Gambar 1.2 Forward Modelling untuk memperoleh model yang tepat

Pemodelan Inversi adalah proses untuk memperoleh parameter model dari data.
Pemodelan inversi sering disebut juga sebagai data fitting karena dalam prosesnya
dicari parameter model yang menghasilkan respon yang cocok dengan data
pengamatan. Tentunya dalam pemodelan inversi, hubungan antara parameter moodel
dengan data perlu diketahui terebih dahulu untuk bisa melanjutkan proses. Dalam
pemodelan geofisika secara umum perlu dicatat bahwa hasil model bukan hasil yang
unik. Hal ini dikarenakan suatu respon yang kita ingin dapatkan bisa dibentuk dari
 beberapa kombinasi model yang berbeda. Ketidak-unikan solusi ini bisa terjadi karena
3 hal, yaitu sifat fisika yang ditinjau, noise, dan kurangnya jumlah data.
Salah satu proses pemodelan ke depan dan inversi dalam geofisika adalah
pengolahan data gaya berat. Dalam data gaya berat, parameter model adalah densitas
anomali di bawah permukaan. Sementara parameter data adalah respon gravitasi pada
daerah pengukuran. Dalam proses pemodelan ke depan yang linier, matriks kernel
disusun oleh parameter volume bola (kasus bola homogen), konstanta gravitasi, posisi
anomali, serta densitas anomali. Kali ini akan digunakan data sintetis atau coba-coba
untuk mendapatkan respon gravitasi pada daerah pengukuran. Nantinya nilai yang
sudah didapatkan akan dikembalikan lagi dengan proses inversi untuk mendpatkan
parameter model. Dalam percobaan kali ini juga akan dilakukan 2 variasi dalam proses
inversi yaitu dengan dan tanpa pembobotan. Langkah pengerjaan pada percobaan kali
ini adalah sebagai berikut:

Inisiasi Inisiasi x Nilai Plot

Forward
(1) Parameter dan z
Modelling Gobs Model
Anomali Pengukura Bawah
n Permukaa

Pemodela Parameter Forward Nilai Plot

(2)
n Inversi Model Modelling Ginv terhadap x

Mencari Pemodela Nilai

Bandingka
misfit Membentu n Inversi Gbob
(3) antara k Matriks n hasil
plot Gobs,
Gobs Diagonal Parameter
Forward Ginv, dan
dengan Misfit Model
Modelling Gbob
Ginv

Gambar 1.3 Skema Percobaan, dimana (1) adalah proses Forward Modelling, (2) merupakan
proses inversi tanpa pembobotan, dan (3) merupakan proses inversi dengan pembobotan
 Script dan Pembahasan

Script Keterangan

CLC; Digunakan untuk

CLEAR ALL; menghapus variable dan
CLOSE ALL; membersihkan layar

Konstanta gravitasi dan

%DEFINISI KONSTANTA GRAVITY DAN PARAMETERNYA
paremeter yaitu nilai
KONS_G=6.67*10^(-11); % NILAI G = 6.67*10^-11
R=40; %JARI JARI BOLA HOMOGEN 6.67*10^-11 dengan R
merupakan jari jari bola
%KARAKTER MODEL Memasukan Parameter
RHO_M=[100 550 800 300];%DENSITAS
dari model meliputi
X_M=[200 400 750 800];%POSISI THD X
Z_M=[200 100 350 150];%KEDALAMAN BOLA Densitas posisi dan
N_M=LENGTH(RHO_M); kedalaman

Parameter untuk panjang

%PANJANG LINTASAN lintasan dengan panjang
XLIN = 50:50:950; 950 dengan titik awal di
N_X=LENGTH(XLIN); 50 dan di titik akhir 950
dicacah setiap 50

%FORWARD MODELLING
Forward modelling
%KERNEL menggunakan kernel ,
FOR I=1:N_X; perhitungan
FOR J=1:N_M; G_Calculation dalam
mgal
G(I,J)=KONS_G*((4/3)*PI*R^3).*(Z_M(J))*10^5/((XLIN(I)- 4
( )𝜋𝑅 , 𝑧. 𝜌
𝑔" (𝑥) = 𝐺 3
X_M(J)).^2+(Z_M(J)).^2)^(3/2); ,
((𝑥 − 𝑥.)1 + (𝑧 − 𝑧. )1 )1
END
END

%DATA SEBENARNYA Data sebenarnya dengan

DTRUE = G*RHO_M'; mengalikan
A=(-0.25)*10^(-3); G_Calculation dengan
B=0.25*10^(-3); nilai Rho anomali dan
E=A+(B-A).*RAND(N_X,1); ditambah noise
DTRUE=DTRUE+E;%INPUT NOISE merupakan G_observasi
%PLOT MODEL AWAL Diplot D untuk diameter
FIGURE(1) bola 2 x jari – jari , PX
SUBPLOT(2,2,3); untuk posisi lateral , PY
D= R*2; untuk posisi vertikal,
FOR I=1:N_M
PX(I)=X_M(I)-R;
Rectangle membentuk
PY(I)=Z_M(I)-R; model berupa bola
RECTANGLE('POSITION',[PX(I) PY(I) D
D],'CURVATURE',[1,1],'FACECOLOR','R');
END
DASPECT([1,1,1]);
YLIM([0,500]);
XLIM([0,1000]);
SET(GCA,'YDIR','REVERSE');
XLABEL('JARAK (M)');
YLABEL('KEDALAMAN (M)');
TITLE('MODEL BAWAH PERMUKAAN');
%PLOT G_OBS
SUBPLOT(2,2,1);
PLOT(XLIN,DTRUE,'OR','MARKERFACECOLOR','R');
XLABEL('JARAK (M)');
YLABEL('GRAVITY ANOMALY (MGAL)');
TITLE('OBSERVASI AWAL ANOMALI GRAVITY');

%INISIASI
TAU=0.5;
C1=0.0001; Iterasi dan penghitungan
ALPHA=0.9; error
NITER=100000;% ITERASI MAKSIMAL
EHIST = ZEROS(NITER+1,1); %ERROR
%MODEL AWAL
MGO = ONES(N_M,1);
FIGURE(2)
SUBPLOT(3,1,1);
HOLD ON; Plotting dari model hasil
SET(GCA,'LINEWIDTH',2); iterasi
PLOT(XLIN,DTRUE,'K-','LINEWIDTH',6);
XLABEL('X');
YLABEL('G OBS');
% PERCOBAAN DAN ERROR AWAL NYOBA EROR AWAL SAMA
PERHITUNGANNYA
DGO = G*MGO; %G KIERNEL
EGO = (DTRUE-DGO)'*(DTRUE-DGO);
DEDMO = -2*(G'*(DTRUE-DGO)); %BACKSTEP Percobaan dan eror awal
EHIST(1) = EGO;%SAVE ERROR 1 dengan perhitungan
FIGURE(2)
SUBPLOT(3,1,1)
PLOT(XLIN,DGO,'G:','LINEWIDTH',3);
%GRADIENT SOLUTION
FOR K = [1:NITER]

V = -DEDMO / SQRT(DEDMO'*DEDMO);

% PERHITUNGAN BACKSTEP INVERSINYA

FOR KK=[1:10] Gradient solution
MG = MGO+ALPHA*V; kemudian dihitung
DG = G*MG; perhitungan backstep
EG = (DTRUE-DG)'*(DTRUE-DG); inversinya
DEDM= -2*(G'*(DTRUE-DG));
IF( (EG<=(EGO + C1*ALPHA*V'*DEDMO)) )
BREAK;
END
ALPHA = TAU*ALPHA;

% PERUBAHAN NILAI Perubahan nilai

DMG = SQRT( (MG-MGO)'*(MG-MGO) );

% UPDATE DATA
MGO=MG;
DGO = DG;
EGO = EG;
DEDMO = DEDM;
EHIST(K+1) = EGO;

% PLOT PADA 1 HASIL

IF( K==500 ) Memasukan data hasil
FIGURE(2) iterasi dan perhitungan
SUBPLOT(3,1,1); bacstep dan di plotting
PLOT(XLIN,DGO,'G--','LINEWIDTH',3);
END

% PENGHENTIAN ITERASI KETIKA PERBEDAAN KECIL

IF( DMG < 1.0E-6 )
BREAK;
END
END
%PLOT HASIL
FIGURE(2)
SUBPLOT(3,1,1)
PLOT(XLIN,DGO,'G:','LINEWIDTH',3);
FIGURE(2);
SUBPLOT(3,1,2)
PLOT(X_M,RHO_M,'OR',X_M,MGO,'*B'); Ploting dari hasil dalam
YLIM([0,1000]); bentuk figure
XLIM([0,1000]);
XLABEL('X');
YLABEL('RHO ANOMALI');

FPRINTF('%D ITERATIONS\N',K);

%PLOT ERROR
SUBPLOT(3,1,3);
SET(GCA,'LINEWIDTH',2);
HOLD ON;
PLOT([1:K],LOG10(EHIST(1:K)/EHIST(1)),'K-
','LINEWIDTH',3);
XLABEL('ITERATION');
YLABEL('LOG10 ERROR, E');
Percobaan ini dilakukan untuk menunjukkan bahwa permodelan ninversi linier dapat
dilakukan pada data gravitasi dan untuk membandingkan hasil dari pemodelan sintetik
dengan permodelan inversi dengan anomali berbentuk bola. Pertama, dilakukan
permodelan sintetik atau permodelan data observasi dengan parameter sebagai berikut,
• Konstanta gravitasi : 𝐺 = 6.67 × 109::
• Jari-Jari Bola (R) = 40
• Densitas bola = 100 ; 550 ; 800 ; 300 (densitas akan memengaruhi bentuk kurva
model gravity)
• Posisi pusat bola:
Jarak : 𝑥. = 200 ; 400 ; 750 ; 800
Kedalaman : 𝑧. = 200 ; 100 ; 350 ; 150
Parameter untuk kurva observasi awal adalah sebagai berikut,
Posisi lintang:
xlin = 50-950 dengan interval 50 (xlin = 50:50:950)
zlin : untuk kedalaman, grafik kurva dianggap nol terlebih dahulu sehingga zlin ditulis
zlin= zeros(length(xlin),1). Nilai kurva akan diperoleh dari persamaan berikut,

4
(3)𝜋𝑅, 𝑧. 𝜌
𝑔" (𝑥) = 𝐺 ,
((𝑥 − 𝑥. )1 + (𝑧 − 𝑧. )1 )1

Dimana 𝑔" (𝑥) = g_obs, x = xlin, dan z = zlin. Persamaan di atas dikali 105 untuk
mengubah satuan dari m/s2 menjadi miliGal (1miliGal = 10-5 m/s2).

Kemudian menghitung Data sebenarnya dengan mengalikan G_Calculation dengan

nilai Rho anomali dan ditambah noise. Diplot D untuk diameter bola 2 x jari – jari , PX
untuk posisi lateral , PY untuk posisi vertikal, Rectangle membentuk model berupa bola.

Plotting bawah Permukaan G Calculation dan Plotting dari G Observasi

• subplot(2,2,3);- data diplotkan di nomor 3 pada matriks 2x2
• D= R*2; - diameter bola
• px= x_m(i)-R; - posisi lateral awal bola
• py=z_m(i)-R; - posisi vertikal awal bola
• rectangle('Position',[px(i) py(i) d d],'Curvature',[1,1],'FaceColor','r'); - memberi
bentuk model berupa bola.
 • daspect([1,1,1]); - penentuan ratio gambar pada sumbu x, y, dan z
• ylim([0,500]); - batas vertikal pada model
• xlim([0,1000]); - batas lateral pada model
• set(gca,'ydir','reverse');
• xlabel('jarak (m)');
• ylabel('kedalaman (m)');
• title('Model Bawah Permukaan');

Gambar 1.4 Figure Model Bawah Permukaan

dan Observasi awal anomaly gravity

2. Pendekatan Metode Gradien

Metode Gradien merupakan salah satu pendekatan yang dapat digunakan dalam
proses inversi. Gradien suatu fungsi menunjukkan arah peningkatan terbesar fungsi tersebut.
Pada pendekatan metode gradien, model pada setiap iterasi akan dikoreksi dalam arah negatif
dari gradien fungsi obyektif. Metode gradien menggambarkan perubahan nilai dari nilai acuan
coba-coba mendekati nilai respon sebenarnya melalui iterasi yang memanfaatkan error antara
data n+1 dengan data n sebagai faktor untuk menghentikan iterasi. Pada percobaan kali ini
 data pada permasalahan gravitasi sebelumnya digunakan kembali pada pendekatan metode
gradien ini. Adapun langkah pengerjaan pendekatan metode gradien ini adalah sebagai
berikut :

Inisiasi Plot Plot Plot Rho

Paramete Posisi Respon G Anomali Bandingka
r dan Sebelum Awal n Plot Rho
Pendekat Kedalam Pendekata Terhadap Anomali
an an n Posisi
Anomali

Forward Plot Rho

Plot Bandingka
Modellin Nilai Anomali
Respon G n Plot
g dengan Ggrad0 Gradien
Pendekata Respon
Model Terhadap
n Awal Gravitasi
Percobaa Posisi
n Awal

Nilai
Iterasi Plot
Inisiasi Ggrad Plot Error
Pendekat Respon
Matriks Keseluruha Keseluruha
an Ggrad (30)
Error n Iterasi n Iterasi
Gradien dan Akhir

Gambar 2.1 Skema Pengerjaan Pendekatan Metode Gradien, dimana Ggrad0 merupakan
respon gravitasi pada awal metode gradien dan Ggrad(30) merupakan respon gravitasi

Gambar 2.2 Hasil Akhir Figure

3. Kesimpulan
a. Proses Forward Modelling mendapatkan Data hasil respon gravitasi
b. Proses Inversi dari Data Respon Gravitasi mendapatkan Parameter Model Rho
Anomali
c. Proses pembobotan melalui misfit tidak selalu meghasilkan nilai yang lebih mendekati
nilai awal. Hal ini bisa dikarenakan oleh adanya noise sehingga pembobotan dengan
misfit menjadi kurang tepat. Hal ini bisa diakai dengan melaukan pembobotan manual
berdasarkan tingkat kepercayaan subjektif terhadap data
d. Proses Pendekatan Metode Gradien membutuhkan waktu yang lama untuk
menghasilkan data yang mendekati data awal